Uso de redes neurais artificiais para classificação da patogenicidade de Escherichia coli de origem aviária

Detalhes bibliográficos
Autor(a) principal: Tejkowski, Thiago Moreira
Data de Publicação: 2013
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/76543
Resumo: E. coli Patogênicas Aviárias (APEC) são uma das causas de doenças extra-intestinais em aves, as quais trazem grande prejuízo econômico para o setor avícola mundial. Os avanços nas pesquisas vêm aumentando o entendimento dos mecanismos de patogenicidade das APEC, demonstrando a grande importância da interação dos diversos fatores de virulência na determinação da sua patogenicidade. Redes Neurais Artificiais (RNAs) têm mostrado ser uma poderosa ferramenta para uma vasta gama de aplicações. Neste trabalho, o foco na aplicação da RNA é na predição (0 a 10) da patogenicidade de amostras APEC. Em 489 isolados APEC foram analisados a presença de 38 genes associados a virulência, o Índice de Patogenicidade (IP) in vivo e a motilidade das amostras. Duas RNAs foram construídas utilizando o software Neuroshell Classifier 2.1 (Ward Systems Group, Inc., Frederick, MD, USA) em duas fases distintas: treinamento e validação. Utilizou-se como camada de entrada, informações sobre a presença ou ausência dos 38 genes de virulência e a motilidade de cada uma das amostras, com uma camada de saída formada pelo IP in vivo previamente determinado. As RNAs construídas apresentaram uma classificação correta acima de 90%, sendo que a rede 1 apresentou uma classificação de 91,62 e a rede 2 de 99,03%. A rede 2 obteve uma especificidade superior a 99,64% em todas as categorias e uma sensibilidade superior a 92,86%. Isso demonstra que o método aqui proposto, revelou ser uma ótima ferramenta de suporte às decisões de médico veterinário, descartando no futuro a inoculação de animais.
id URGS_627cefb03029f664450ac468fccc51ea
oai_identifier_str oai:www.lume.ufrgs.br:10183/76543
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Tejkowski, Thiago MoreiraSalle, Carlos Tadeu Pippi2013-08-01T02:41:10Z2013http://hdl.handle.net/10183/76543000894160E. coli Patogênicas Aviárias (APEC) são uma das causas de doenças extra-intestinais em aves, as quais trazem grande prejuízo econômico para o setor avícola mundial. Os avanços nas pesquisas vêm aumentando o entendimento dos mecanismos de patogenicidade das APEC, demonstrando a grande importância da interação dos diversos fatores de virulência na determinação da sua patogenicidade. Redes Neurais Artificiais (RNAs) têm mostrado ser uma poderosa ferramenta para uma vasta gama de aplicações. Neste trabalho, o foco na aplicação da RNA é na predição (0 a 10) da patogenicidade de amostras APEC. Em 489 isolados APEC foram analisados a presença de 38 genes associados a virulência, o Índice de Patogenicidade (IP) in vivo e a motilidade das amostras. Duas RNAs foram construídas utilizando o software Neuroshell Classifier 2.1 (Ward Systems Group, Inc., Frederick, MD, USA) em duas fases distintas: treinamento e validação. Utilizou-se como camada de entrada, informações sobre a presença ou ausência dos 38 genes de virulência e a motilidade de cada uma das amostras, com uma camada de saída formada pelo IP in vivo previamente determinado. As RNAs construídas apresentaram uma classificação correta acima de 90%, sendo que a rede 1 apresentou uma classificação de 91,62 e a rede 2 de 99,03%. A rede 2 obteve uma especificidade superior a 99,64% em todas as categorias e uma sensibilidade superior a 92,86%. Isso demonstra que o método aqui proposto, revelou ser uma ótima ferramenta de suporte às decisões de médico veterinário, descartando no futuro a inoculação de animais.Avian Pathogenic Escherichia coli (APEC) are one of the causes of extraintestinal diseases in birds, and cause considerable economic losses to the poultry industry worldwide. Advances in research have increased understanding of pathogenic mechanisms of APEC, and have demonstrated the importance of the interaction of several virulence factors in determining their pathogenicity. Artificial Neural Networks (ANN) have shown to be a powerful tool for a wide range of applications. In this paper, the focus on neural network applications in the prediction (index of 0-10) of the pathogenicity of isolates APEC. In 489 APEC isolates were analyzed: 38 virulenceassociated genes, the Pathogenicity Index (PI) in vivo and motility of the strains. Two ANNs were constructed using the software Neuroshell Classifier 2.1 (Ward Systems Group, Inc., Frederick, MD, USA) in two distinct phases: training and validation. We used as input layer, information about the presence or absence of the 38 virulenceassociated genes and the motility of each of the samples, with an output layer formed by a previously-determined PI in vivo. The ANNs showed a correct classification of the PI above of 90%, being that the network 1 had a rating of 91.62% and the network 2 of 99.03%. The network 2 obtained a specificity of over 99.64% and sensitivity greater than 92.86% in all categories. This demonstrates that the method proposed here has proven to be a great decision support tool for the veterinarian, thereby dispensing the inoculation of animals in the future.application/pdfporEscherichia coli : PatogenicidadeRede neural artificial : AvesSanidade avícolaAviculturaPathogenicityAvian pathogenic escherichia coliArtificial neural networksUso de redes neurais artificiais para classificação da patogenicidade de Escherichia coli de origem aviáriainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulFaculdade de VeterináriaPrograma de Pós-Graduação em Ciências VeterináriasPorto Alegre, BR-RS2013mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000894160.pdf000894160.pdfTexto completoapplication/pdf3897146http://www.lume.ufrgs.br/bitstream/10183/76543/1/000894160.pdf512864f96d21d946b276416de689e583MD51TEXT000894160.pdf.txt000894160.pdf.txtExtracted Texttext/plain114506http://www.lume.ufrgs.br/bitstream/10183/76543/2/000894160.pdf.txtb2483a48bf187f5e512cfd394b64848bMD52THUMBNAIL000894160.pdf.jpg000894160.pdf.jpgGenerated Thumbnailimage/jpeg1028http://www.lume.ufrgs.br/bitstream/10183/76543/3/000894160.pdf.jpgc13aa26cba2553cc4fef5e28db3ac799MD5310183/765432018-10-15 09:13:43.035oai:www.lume.ufrgs.br:10183/76543Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532018-10-15T12:13:43Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Uso de redes neurais artificiais para classificação da patogenicidade de Escherichia coli de origem aviária
title Uso de redes neurais artificiais para classificação da patogenicidade de Escherichia coli de origem aviária
spellingShingle Uso de redes neurais artificiais para classificação da patogenicidade de Escherichia coli de origem aviária
Tejkowski, Thiago Moreira
Escherichia coli : Patogenicidade
Rede neural artificial : Aves
Sanidade avícola
Avicultura
Pathogenicity
Avian pathogenic escherichia coli
Artificial neural networks
title_short Uso de redes neurais artificiais para classificação da patogenicidade de Escherichia coli de origem aviária
title_full Uso de redes neurais artificiais para classificação da patogenicidade de Escherichia coli de origem aviária
title_fullStr Uso de redes neurais artificiais para classificação da patogenicidade de Escherichia coli de origem aviária
title_full_unstemmed Uso de redes neurais artificiais para classificação da patogenicidade de Escherichia coli de origem aviária
title_sort Uso de redes neurais artificiais para classificação da patogenicidade de Escherichia coli de origem aviária
author Tejkowski, Thiago Moreira
author_facet Tejkowski, Thiago Moreira
author_role author
dc.contributor.author.fl_str_mv Tejkowski, Thiago Moreira
dc.contributor.advisor1.fl_str_mv Salle, Carlos Tadeu Pippi
contributor_str_mv Salle, Carlos Tadeu Pippi
dc.subject.por.fl_str_mv Escherichia coli : Patogenicidade
Rede neural artificial : Aves
Sanidade avícola
Avicultura
topic Escherichia coli : Patogenicidade
Rede neural artificial : Aves
Sanidade avícola
Avicultura
Pathogenicity
Avian pathogenic escherichia coli
Artificial neural networks
dc.subject.eng.fl_str_mv Pathogenicity
Avian pathogenic escherichia coli
Artificial neural networks
description E. coli Patogênicas Aviárias (APEC) são uma das causas de doenças extra-intestinais em aves, as quais trazem grande prejuízo econômico para o setor avícola mundial. Os avanços nas pesquisas vêm aumentando o entendimento dos mecanismos de patogenicidade das APEC, demonstrando a grande importância da interação dos diversos fatores de virulência na determinação da sua patogenicidade. Redes Neurais Artificiais (RNAs) têm mostrado ser uma poderosa ferramenta para uma vasta gama de aplicações. Neste trabalho, o foco na aplicação da RNA é na predição (0 a 10) da patogenicidade de amostras APEC. Em 489 isolados APEC foram analisados a presença de 38 genes associados a virulência, o Índice de Patogenicidade (IP) in vivo e a motilidade das amostras. Duas RNAs foram construídas utilizando o software Neuroshell Classifier 2.1 (Ward Systems Group, Inc., Frederick, MD, USA) em duas fases distintas: treinamento e validação. Utilizou-se como camada de entrada, informações sobre a presença ou ausência dos 38 genes de virulência e a motilidade de cada uma das amostras, com uma camada de saída formada pelo IP in vivo previamente determinado. As RNAs construídas apresentaram uma classificação correta acima de 90%, sendo que a rede 1 apresentou uma classificação de 91,62 e a rede 2 de 99,03%. A rede 2 obteve uma especificidade superior a 99,64% em todas as categorias e uma sensibilidade superior a 92,86%. Isso demonstra que o método aqui proposto, revelou ser uma ótima ferramenta de suporte às decisões de médico veterinário, descartando no futuro a inoculação de animais.
publishDate 2013
dc.date.accessioned.fl_str_mv 2013-08-01T02:41:10Z
dc.date.issued.fl_str_mv 2013
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/76543
dc.identifier.nrb.pt_BR.fl_str_mv 000894160
url http://hdl.handle.net/10183/76543
identifier_str_mv 000894160
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/76543/1/000894160.pdf
http://www.lume.ufrgs.br/bitstream/10183/76543/2/000894160.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/76543/3/000894160.pdf.jpg
bitstream.checksum.fl_str_mv 512864f96d21d946b276416de689e583
b2483a48bf187f5e512cfd394b64848b
c13aa26cba2553cc4fef5e28db3ac799
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1800309036025905152